[发明专利]一种用于预报风速的降尺度方法

权利要求书

1.一种用于预报风速的降尺度方法，所述降尺度方法是将动力降尺度与统计降尺度相结合，即动力统计降尺度方法，其特征在于，所述动力统计降尺度方法包括以下步骤：

(1)采用微尺度模式CALMET基于WRF，利用数值模拟的方法，将水平分辨率为9km的粗网格的风速、风向的预报数据进行动力降尺度至水平分辨率为2.5km的风速、风向的预报数据，并且所述水平分辨率2.5km的细网格的预报时长和输出时间间隔与水平分辨率9km的粗网格的相同；

(2)提取预报数据：以2019年1月1日～12月31日期间的所述中尺度气象模式WRF全国未来3天逐小时水平分辨率9km风速风向预报数据和对应的CALMET动力降尺度水平分辨率2.5km的预报数据为样本，建立两组预报数据之间的统计关系；

(3)将水平分辨率为9km的粗网格的风向预报数据以及水平分辨率为2.5km的细网格的风向预报数据分别平均分成8个方位i，所述8个方位i的风向分别为0°、45°、90°、135°、180°、225°、270°、315°；将水平分辨率为9km的粗网格的风速预报数据以及水平分辨率为2.5km的细网格的风速预报数据分别分成10个风速档j，所述10个风速档j分别为(0，1)、[1，2)、[2，3)、[3，5)、[5，7)、[7，9)、[9，12)、[12，15)、[15，18)、[18，)；这样水平分辨率为9km的粗网格和水平分辨率为2.5km的细网格均具有80组样本数据，每组样本数据均为第i方位、第j风速档下的逐小时的风速预报数据；

(4)将水平分辨率为9km的粗网格第i方位、第j风速档下的逐小时的风速预报数据与水平分辨率为2.5km的细网格相应的第i方位、第j风速档下的逐小时的风速预报数据，分别进行统计分析，得到这每两种网格尺度下第i方位、第j风速档下的逐小时的风速预报数据之间的数学关系：

其中，i代表风向方位；j代表风速档；n为i方位、j风速档内风速数据样本个数；U为粗网格对应风速；u为细网格对应风速；k为样本组的编号；

该数学关系直接用于在中尺度气象模式WRF中将水平分辨率为9km粗网格的逐小时风速预报数据的进行统计降尺度计算，得到最终需要的水平分辨率为2.5km的细网格的逐小时风速预报数据。

2.根据权利要求1所述的用于预报风速的降尺度方法，其特征在于，所述WRF模式采用完全可压缩以及非静力模式，在WRF模式中：水平方向采用Arakawa-C网格点，水平分辨率范围为1-10Km，垂直方向采用地形跟随质量坐标，时间积分采用三阶或者四阶的Runge-Kutta算法。

3.根据权利要求2所述的用于预报风速的降尺度方法，其特征在于，所述WRF模式采用ECMWF水平分辨率0.025°×0.025°的预报数据作为初始和边界条件，并且所述WRF模式基于ECMWF的预报数据每天启动两次，分别为北京时08时和20时。

4.根据权利要求1-3所述的用于预报风速的降尺度方法，其特征在于，所述WRF模式采用USGS水平分辨率1km的地形和下垫面植被类型数据，所述WRF模式的物理过程参数化设置为微物理过程采用Ferrier(new Eta)microphysics方案，长波辐射采用RRTM方案，短波辐射采用Dudhia方案，近地层过程采Monin-Obukhov方案，陆面过程采用Unified Noah land-surface model方案，边界层过程采用YSU方案。

5.根据权利要求1-4所述的用于预报风速的降尺度方法，其特征在于，采用中尺度气象模式WRF的水平分辨为9km，垂直方向为50层，水平网格点数为649×450。

6.根据权利要求1所述的用于预报风速的降尺度方法，其特征在于，所述微尺度模式CALMET是一个网格化气象风场模式，包括诊断风场模块和微气象模块。